爬虫基础系列urllib（2）

u=2998242485,1841996514&fm=27&gp=0.jpg

html页面的解码

• 从页面中直接获取的数据是二进制形式的数据，我们平时接触到的大多是字符串形式的数据，那么就涉及到将二进制形式的数据转换成字符串形式的数据，在用Python中一些方便的地方在于“想开汽车不需要自己造轮子”，就是使用它能达到效果和目的就行。

reponse=request.urlopen(url).read().decode() #解码---（编码encode()）

只需要将读取的信息decode一下就能转换成字符串形式的数据，然后用正则表达式获取。

简单的正则表达式采集数据

• 首先引人正则表达式的包，正则表达式是内置模块 import re
• 想采集数据首先要分析页面，获取到的二进制页面，分析想要的信息在"
  • 完整代码

  #import urllib.request
  from urllib import request
  import re
  
  url=r"http://www.baidu.com/"
  
  #发送请求.获取响应信息
  reponse=request.urlopen(url).read().decode() #解码---（编码encode()）
  print(reponse)
  
  pat=r""
  
  data=re.findall(pat,reponse)
  
  
  print(data)
  

  返回的信息为：

  ['百度一下，你就知道']
  

  爬虫基础系列urllib（1）
  爬虫基础系列urllib（3）